前端常用加密方式使用

前端常用加密方式使用

文章目录

1、Base64 编码

Base64 不是一种加密算法,而是一种编码方法,用于将二进制数据转换为基于 64 个可打印字符的文本字符串。它常用于在 URL、Cookie、网页中传输少量二进制数据,以及内嵌小图片以减少服务器访问次数。

Base64 编码简单,对性能影响不大,但会增加数据体积约 1/3,且无法缓存。

functiontoBase64(str){returnbtoa(unescape(encodeURIComponent(str)));}functionfromBase64(str){returndecodeURIComponent(escape(atob(str)));}// 使用示例const originalText ="Hello, World!";const encodedText =toBase64(originalText); console.log(encodedText);// "SGVsbG8sIFdvcmxkIQ=="const decodedText =fromBase64(encodedText); console.log(decodedText);// "Hello, World!"

2、MD5 加密

MD5 是一种广泛使用的哈希函数,产生 128 位(16 字节)的哈希值。虽然 MD5 的计算速度快且效率高,但存在碰撞风险,且安全性较低,因此不推荐直接用于密码存储。

import CryptoJS from"crypto-js";functionmd5Encrypt(str){return CryptoJS.MD5(str).toString();}// 使用示例const originalText ="Hello, World!";const encryptedText =md5Encrypt(originalText); console.log(encryptedText);// "fc3ff98e8c6a0d3087d515c0473f8677"

3、SHA-256 加密

HA-256 是 SHA-2 家族中的一种加密哈希算法,生成 256 位的哈希值。它比 MD5 更安全,适用于分布式系统,但加密和解密速度较慢,且密钥生成复杂。

import CryptoJS from"crypto-js";functionsha256Encrypt(str){return CryptoJS.SHA256(str).toString();}// 使用示例const originalText ="Hello, World!";const encryptedText =sha256Encrypt(originalText); console.log(encryptedText);// "a591a6d40bf420404a011733cfb7b190d62c65bf0bcda32b57b277d9ad9f146e"

4、AES 对称加密(常用)

AES 是高级加密标准,是一种对称加密算法,使用相同的密钥进行加密和解密。

(1) AES 加密:对称性加密(密钥 1 个,加解密都用这个密钥)

(2) AES 为一次一密,每次加密都会生成新的密钥

(3) AES 加密为了增加报文安全性

AES 加密速度快,适合大数据量加密,但密钥管理复杂,一旦密钥泄露,加密数据的安全性会受到威胁。

import CryptoJS from"crypto-js";functionaesEncrypt(data, key){const keyHex = CryptoJS.enc.Utf8.parse(key);const encrypted = CryptoJS.AES.encrypt(data, keyHex,{mode: CryptoJS.mode.ECB,padding: CryptoJS.pad.Pkcs7 });return encrypted.toString();}functionaesDecrypt(encryptedData, key){const keyHex = CryptoJS.enc.Utf8.parse(key);const decrypted = CryptoJS.AES.decrypt(encryptedData, keyHex,{mode: CryptoJS.mode.ECB,padding: CryptoJS.pad.Pkcs7 });return decrypted.toString(CryptoJS.enc.Utf8);}// 使用示例const key ="1234567890123456";// AES key 必须为16位(AES-128),24位(AES-192),或32位(AES-256)const originalText ="Hello, World!";const encryptedText =aesEncrypt(originalText, key); console.log(encryptedText);// 密文const decryptedText =aesDecrypt(encryptedText, key); console.log(decryptedText);// "Hello, World!"

5、RSA 非对称加密(常用)

RSA(Rivest–Shamir–Adleman)是一种非对称加密算法,它使用一对密钥——公钥和私钥来进行加密和解密操作。公钥用于加密数据,而私钥用于解密数据。

密钥对生成网站: http://web.chacuo.net/netrsakeypair

新建 jsencrypt.ts:

import{ JSEncrypt }from"jsencrypt";const publicKey ="MFwwDQYJKoZIhvcNAQEBBQADSwAwSAJBAKoR8mX0rGKLqzcWmOzbfj64K8ZIgOdH\n"+"nzkXSOVOZbFu/TJhZ7rFAN+eaGkl3C4buccQd/EjEsj9ir7ijT7h96MCAwEAAQ==";const privateKey ="MIIBVAIBADANBgkqhkiG9w0BAQEFAASCAT4wggE6AgEAAkEAqhHyZfSsYourNxaY\n"+"7Nt+PrgrxkiA50efORdI5U5lsW79MmFnusUA355oaSXcLhu5xxB38SMSyP2KvuKN\n"+"PuH3owIDAQABAkAfoiLyL+Z4lf4Myxk6xUDgLaWGximj20CUf+5BKKnlrK+Ed8gA\n"+"kM0HqoTt2UZwA5E2MzS4EI2gjfQhz5X28uqxAiEA3wNFxfrCZlSZHb0gn2zDpWow\n"+"cSxQAgiCstxGUoOqlW8CIQDDOerGKH5OmCJ4Z21v+F25WaHYPxCFMvwxpcw99Ecv\n"+"DQIgIdhDTIqD2jfYjPTY8Jj3EDGPbH2HHuffvflECt3Ek60CIQCFRlCkHpi7hthh\n"+"YhovyloRYsM+IS9h/0BzlEAuO0ktMQIgSPT3aFAgJYwKpqRYKlLDVcflZFCKY7u3\n"+"UP8iWi1Qw0Y=";// 加密exportconstencrypt=(txt: string)=>{const encryptor =newJSEncrypt(); encryptor.setPublicKey(publicKey);// 设置公钥return encryptor.encrypt(txt);// 对数据进行加密};// 解密exportconstdecrypt=(txt: string)=>{const encryptor =newJSEncrypt(); encryptor.setPrivateKey(privateKey);// 设置私钥return encryptor.decrypt(txt);// 对数据进行解密};

组件中使用:

<script setup> import { encrypt, decrypt } from "@/utils/jsencrypt"; const text = "Hello, World!"; const encryptedText = encrypt(text); // 加密 console.log("加密后的结果----:", encryptedText); const decryptedText = decrypt(encryptedText); // 解密 console.log("解密后的结果----:", decryptedText); </script> 

输出结果:

加密后的结果----: I7J3ay7KpwfGz3bEWDv4vuF1orJPwvctzEbfQhnC/B45mJjIhUWNeMLEzHLItECohMbeS8TLbN3SSBTB6u2JVg== 解密后的结果----: Hello, World!

6、什么是对称和非对称加密

对称加密(Symmetric Encryption):

对称加密使用同一把密钥进行加密和解密。这意味着发送方和接收方都需要知道相同的密钥。

对称加密算法通常速度较快,适合用于大量数据的加密。

非对称加密(Asymmetric Encryption):

非对称加密使用一对密钥,即公钥和私钥。公钥可以公开发布,用于加密数据;私钥必须保密,用于解密数据。

非对称加密通常比对称加密慢,但由于其安全性更高,常用于密钥交换和身份认证等场景。

7、什么是哈希算法

哈希算法(Hash Function)是把任意长度的输入通过确定的数学变换,映射成固定长度的、看似随机的输出(哈希值 / 摘要 / 指纹)的规则。


1. 核心特征

特征解释例子
确定性同一输入永远得到同一输出"hello"2cf24dba… 每次一样
定长输出输出长度固定,与输入大小无关SHA-256 永远 256 bit
不可逆从输出无法反推输入(单向函数)知道 5d41402a… 算不回 "hello"
雪崩效应输入轻微改动,输出天差地别"hello" vs "hallo" → 几乎全变
抗碰撞难以找到两个输入产生同一输出理想状态下几乎不可能

2. 常见算法

算法输出长度场景状态
MD5128 bit旧校验/分片❌ 已不安全
SHA-1160 bitGit、老 TLS❌ 已不安全
SHA-256256 bit区块链、HTTPS、JWT✅ 主流
SHA-3 / BLAKE3可变新一代✅ 更安全
MurmurHash32/64/128 bit哈希表、分片✅ 高性能、非加密

3. 前端/网络中的典型用途

  • 缓存校验:文件指纹 app.4e5c67.js 判断是否重新下载
  • 密码存储bcrypt(password + salt) 保存摘要而不是明文
  • 数据结构:JavaScript 对象、MapSet 内部哈希表
  • 分片上传:按文件内容哈希生成 etag 秒传/断点续传
  • URL 签名?sign=SHA256(secret+path+exp) 防篡改

4. 不是加密

哈希 ≠ 加密。加密是可逆的(需要密钥),哈希是单向的。
因此“解密哈希”是伪概念;正确说法应是“暴力破解”或“查彩虹表”。

哈希算法是数字世界的指纹机:给任何数据拍一张不可逆、唯一且定长的“指纹照”,用来校验、索引、签名、去重、存密码。


👉点击进入我的网站

Read more

Midjourney搞定科研论文封面图!3步出刊级作品,拒被审稿人打回

Midjourney搞定科研论文封面图!3步出刊级作品,拒被审稿人打回

点赞、关注、收藏,不迷路 点赞、关注、收藏,不迷路 搞科研的你,是不是在论文封面图上栽过太多跟头?自己用PPT画的封面又丑又廉价,完全撑不起学术格调;找设计公司定制,不仅收费贵(动辄几百上千元),沟通反复修改耗时久,还总get不到你研究的核心主题;好不容易凑出来的封面,又被审稿人质疑“不贴合研究内容”“不符合期刊规范”,直接拖慢论文发表进度;更头疼的是,想参考顶会封面风格,却不知道怎么落地,只能对着别人的作品羡慕? 如果你也深陷这些困境,别再硬扛!昨天和某重点项目评审专家聊天,专家做了分享。小编做了系统梳理。今天这篇实操指南,直接带你用Midjourney快速制作出刊级科研论文封面图,从核心要素梳理、Prompt精准撰写,到生成筛选、后期微调,每个步骤都有具体逻辑和可直接复用的模板,不管你是Midjourney新手还是科研小白,跟着做就能3步搞定符合期刊要求的封面图,让审稿人眼前一亮! 一、先搞懂:科研论文封面图的核心要求,避免踩坑 学术期刊对封面图有明确规范,盲目用Midjourney生成只会白费功夫。核心要求有3点:一是主题契合,必须精准体现研究核心内容(

实测GLM-ASR-Nano-2512:超越Whisper V3的语音识别效果

实测GLM-ASR-Nano-2512:超越Whisper V3的语音识别效果 1. 引言:端侧语音识别的新标杆 随着大模型技术向终端设备下沉,轻量化、高性能的本地语音识别模型成为开发者关注的焦点。近期,智谱AI开源了其新一代语音识别模型 GLM-ASR-Nano-2512,该模型以1.5B参数量在多个基准测试中表现优于OpenAI的Whisper V3,同时支持本地部署与实时交互,兼顾性能与隐私保护。 本文将基于实际部署和测试经验,深入分析GLM-ASR-Nano-2512的技术特性、运行方式、识别效果,并与Whisper V3进行多维度对比,帮助开发者判断其在真实场景中的适用性。 1.1 为什么需要端侧ASR? 传统云端语音识别虽精度高,但存在三大痛点: * 延迟不可控:网络传输带来额外延迟,影响交互体验; * 隐私风险:用户语音上传至服务器,敏感信息易泄露; * 离线不可用:无网络环境下无法使用。 而端侧ASR(Automatic Speech Recognition)通过在本地完成语音转文字任务,有效解决了上述问题。尤其在智能硬件、办公输入法、边缘计算等场

Qwen-Image-Lightning体验报告:中文语义理解超强的AI画师

Qwen-Image-Lightning体验报告:中文语义理解超强的AI画师 自从Qwen图像系列模型发布以来,它在中文多模态理解与生成领域持续展现出独特优势。不同于依赖英文提示词工程的主流文生图模型,Qwen系列从底层就深度适配中文语义结构——而最新推出的Qwen-Image-Lightning,正是这一技术路线的集大成者:它不是简单地“支持中文”,而是真正让中文成为创作的原生语言。 本文将从真实使用场景出发,不堆砌参数、不罗列指标,全程聚焦一个核心问题:当你输入一句地道的中文描述时,它到底能不能听懂?听懂之后,又能不能把那种只可意会的意境,稳稳当当地画出来? 1. 为什么说它是“中文语义理解超强”的AI画师? 很多用户试过用中文提示词生成图片,结果却不如英文稳定。原因往往不在模型本身,而在语义断层——中文的意象表达、虚实转换、文化隐喻,和英文的直白逻辑存在天然差异。 Qwen-Image-Lightning的突破点,恰恰在于它继承了Qwen-VL系列对中文语义空间的长期建模能力。它不把“水墨丹青中国龙”拆解为“ink painting, Chinese dragon,

Java在AI时代的崛起:从传统机器学习到AIGC的全栈解决方案

Java在AI时代的崛起:从传统机器学习到AIGC的全栈解决方案

个人名片 🎓作者简介:java领域优质创作者 🌐个人主页:码农阿豪 📞工作室:新空间代码工作室(提供各种软件服务) 💌个人邮箱:[[email protected]] 📱个人微信:15279484656 🌐个人导航网站:www.forff.top 💡座右铭:总有人要赢。为什么不能是我呢? * 专栏导航: 码农阿豪系列专栏导航 面试专栏:收集了java相关高频面试题,面试实战总结🍻🎉🖥️ Spring5系列专栏:整理了Spring5重要知识点与实战演练,有案例可直接使用🚀🔧💻 Redis专栏:Redis从零到一学习分享,经验总结,案例实战💐📝💡 全栈系列专栏:海纳百川有容乃大,可能你想要的东西里面都有🤸🌱🚀 目录 * Java在AI时代的崛起:从传统机器学习到AIGC的全栈解决方案 * 一、Java AI生态概览:多样化的技术选择 * 1.1 深度学习框架:接轨主流AI技术 * Deep Java Library